Jaký je význam kvality dat v oblasti velkých dat?

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00305635" target="_blank" >RIV/68407700:21230/16:00305635 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21730/16:00305635

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Jaký je význam kvality dat v oblasti velkých dat?

Popis výsledku v původním jazyce

Vzhledem k novodobému trendu v medicíně, označovanému jako P4-medicine (Personalizovaná, Prediktivní, Preventivní a Participativní), se zdravotnické systémy musejí potýkat s čím dál větším množstvím velkých a složitých sad heterogenních dat s vysokou dimenzí. Musejí se také vypořádat s rostoucími objemy nestrukturovaných a často kontinuálních informací. V této souvislosti se také objevuje otázka, jak vhodně definovat koncept kvality dat. I u dobře strukturovaných dat není zcela jednoduché tento koncept přesně charakterizovat, protože je multidimenzionální. Velká data přidávají další dva rozměry složitosti: specifičnost daná zdrojem dat a vysoký stupeň nestrukturovanosti, často bez možnosti reference vůči nějakému zlatému standardu. Na případové studii ukážeme, jak je důležité porozumět kontextu dat a jejich zdroje, vzájemným vztahům mezi daty z více zdrojů a výsledkům ve vztahu k subjektu (zdroji dat).

Název v anglickém jazyce

What is the significance of data quality in the area of big data?

Popis výsledku anglicky

With respect to the recent trend in medicine, referred to as P4-medicine (Personalized, Predictive, Preventive and Participative), health care systems must cope with larger volume of complex sets of heterogeneous and multidimensional data. In addition, they have to cope with increasing volumes of unstructured and frequently continuous information. In this context there appears a question how to define suitably the concept of data quality. It is not an easy task to characterize the concept at well structured data because it is multidimensional. Big data add two more dimensions of complexity, namely specific features given by data source and high degree of unstructuredness, frequently without any reference to a golden standard. We will present a case study from the area of diabetology and show how important understanding data context and data source are, how to explain mutual relations among data from multiple sources and results in relation to a subject (data source).

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/NV15-25710A" target="_blank" >NV15-25710A: Identifikace individuální dynamiky glykemických exkurzí u pacientů s diabetem pro zlepšení rozhodovacích postupů ovlivňujících dávkování inzulínu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

MEDSOFT 2016

ISBN

978-80-906004-8-5

ISSN

1803-8115

e-ISSN

—

Počet stran výsledku

10

Strana od-do

78-87

Název nakladatele

Creative Connections

Místo vydání

Praha

Místo konání akce

Roztoky u Prahy

Datum konání akce

12. 4. 2016

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—